論文の概要: Towards realistic symmetry-based completion of previously unseen point
clouds
- arxiv url: http://arxiv.org/abs/2201.01858v1
- Date: Wed, 5 Jan 2022 23:05:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-07 14:53:01.489907
- Title: Towards realistic symmetry-based completion of previously unseen point
clouds
- Title(参考訳): 既往の点雲の現実的対称性に基づく完備化に向けて
- Authors: Taras Rumezhak, Oles Dobosevych, Rostyslav Hryniv, Vladyslav Selotkin,
Volodymyr Karpiv, Mykola Maksymenko
- Abstract要約: 対称オブジェクトに対してよく機能する新しいフレームワークを提案する。
学習ベースのアプローチとは異なり、提案するフレームワークはトレーニングデータを必要としない。
提案するフレームワークは,実世界の顧客スキャンのポイントクラウド完了において,最先端の効率性を実現することを実証する。
- 参考スコア(独自算出の注目度): 0.43496401697112697
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: 3D scanning is a complex multistage process that generates a point cloud of
an object typically containing damaged parts due to occlusions, reflections,
shadows, scanner motion, specific properties of the object surface, imperfect
reconstruction algorithms, etc. Point cloud completion is specifically designed
to fill in the missing parts of the object and obtain its high-quality 3D
representation. The existing completion approaches perform well on the academic
datasets with a predefined set of object classes and very specific types of
defects; however, their performance drops significantly in the real-world
settings and degrades even further on previously unseen object classes.
We propose a novel framework that performs well on symmetric objects, which
are ubiquitous in man-made environments. Unlike learning-based approaches, the
proposed framework does not require training data and is capable of completing
non-critical damages occurring in customer 3D scanning process using e.g.
Kinect, time-of-flight, or structured light scanners. With thorough
experiments, we demonstrate that the proposed framework achieves
state-of-the-art efficiency in point cloud completion of real-world customer
scans. We benchmark the framework performance on two types of datasets:
properly augmented existing academic dataset and the actual 3D scans of various
objects.
- Abstract(参考訳): 3dスキャンは複雑な多段階のプロセスであり、通常、咬合、反射、影、スキャナの動き、物体表面の特定の特性、不完全な再構成アルゴリズムなどによる損傷部分を含む物体の点雲を生成する。
ポイントクラウドの補完は、オブジェクトの欠落部分を埋め、高品質な3D表現を得るように設計されている。
既存の補完アプローチは、事前に定義されたオブジェクトクラスと非常に特定のタイプの欠陥を持つ学術データセットでうまく機能するが、それらのパフォーマンスは現実世界の設定において著しく低下し、これまで見つからなかったオブジェクトクラスではさらに低下する。
本稿では,人工環境においてユビキタスな対称オブジェクトに対して,うまく機能する新しいフレームワークを提案する。
学習ベースのアプローチとは異なり、提案されたフレームワークはトレーニングデータを必要としないため、kinect、飛行時間、構造化光スキャナなどを使用して、顧客の3dスキャンプロセスで発生する重要でない損傷を完了することができる。
詳細な実験により,提案するフレームワークが実世界の顧客スキャンのポイントクラウド完了において最先端の効率を達成することを示す。
既存の学術データセットを適切に拡張し、様々なオブジェクトの実際の3Dスキャンを行うことで、フレームワークのパフォーマンスをベンチマークする。
関連論文リスト
- Weak-to-Strong 3D Object Detection with X-Ray Distillation [75.47580744933724]
本稿では,既存の任意の3Dオブジェクト検出フレームワークにシームレスに統合する多目的手法を提案する。
オブジェクト・コンプリートフレームを用いたX線蒸留は、教師付き設定と半教師付き設定の両方に適している。
提案手法は,半教師あり学習における最先端の手法を1-1.5mAPで超越する。
論文 参考訳(メタデータ) (2024-03-31T13:09:06Z) - Generalizing Single-View 3D Shape Retrieval to Occlusions and Unseen
Objects [32.32128461720876]
シングルビュー3D形状検索は、利用可能な3Dデータの増大に伴ってますます重要になる課題である。
我々は,3つの異なる軸に沿って一視点の3次元形状検索を体系的に評価し,物体の閉塞や切り離しの存在,見えない3次元形状データへの一般化,入力画像における見えない物体への一般化について検討した。
論文 参考訳(メタデータ) (2023-12-31T05:39:38Z) - Uncertainty-aware 3D Object-Level Mapping with Deep Shape Priors [15.34487368683311]
未知のオブジェクトに対して高品質なオブジェクトレベルマップを再構築するフレームワークを提案する。
提案手法では,複数のRGB-D画像を入力として,高密度な3次元形状と検出対象に対する9-DoFポーズを出力する。
2つの新たな損失関数を通して形状を伝播し不確実性を生じさせる確率的定式化を導出する。
論文 参考訳(メタデータ) (2023-09-17T00:48:19Z) - CMR3D: Contextualized Multi-Stage Refinement for 3D Object Detection [57.44434974289945]
本稿では,3次元オブジェクト検出(CMR3D)フレームワークのためのコンテキスト型マルチステージリファインメントを提案する。
我々のフレームワークは3Dシーンを入力として取り、シーンの有用なコンテキスト情報を明示的に統合しようと試みている。
3Dオブジェクトの検出に加えて,3Dオブジェクトカウント問題に対するフレームワークの有効性について検討する。
論文 参考訳(メタデータ) (2022-09-13T05:26:09Z) - HM3D-ABO: A Photo-realistic Dataset for Object-centric Multi-view 3D
Reconstruction [37.29140654256627]
本稿では、フォトリアリスティックなオブジェクト中心データセットHM3D-ABOを提案する。
リアルな屋内シーンとリアルなオブジェクトを構成することで構築される。
このデータセットは、カメラポーズ推定やノベルビュー合成といったタスクにも有用である。
論文 参考訳(メタデータ) (2022-06-24T16:02:01Z) - Neural Part Priors: Learning to Optimize Part-Based Object Completion in
RGB-D Scans [27.377128012679076]
本稿では,部分情報付き3次元形状の大規模合成データセットを活用してニューラル部品の先行学習を提案する。
実世界でスキャンされた3Dシーンをテスト時に適合させるために、学習した部分を最適化できます。
ScanNetデータセットの実験では、NPPは部分分解とオブジェクト補完において、技術の状態を大幅に上回っている。
論文 参考訳(メタデータ) (2022-03-17T15:05:44Z) - RandomRooms: Unsupervised Pre-training from Synthetic Shapes and
Randomized Layouts for 3D Object Detection [138.2892824662943]
有望な解決策は、CADオブジェクトモデルで構成される合成データセットをよりよく利用して、実際のデータセットでの学習を促進することである。
最近の3次元事前学習の研究は、合成物体から他の実世界の応用へ学習した伝達特性が失敗することを示している。
本研究では,この目的を達成するためにRandomRoomsという新しい手法を提案する。
論文 参考訳(メタデータ) (2021-08-17T17:56:12Z) - Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。
再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。
本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
論文 参考訳(メタデータ) (2021-03-30T17:57:01Z) - SCFusion: Real-time Incremental Scene Reconstruction with Semantic
Completion [86.77318031029404]
本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。
我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
論文 参考訳(メタデータ) (2020-10-26T15:31:52Z) - SESS: Self-Ensembling Semi-Supervised 3D Object Detection [138.80825169240302]
具体的には、ラベルのない新しい未知のデータに基づくネットワークの一般化を促進するための、徹底的な摂動スキームを設計する。
我々のSESSは、50%のラベル付きデータを用いて、最先端の完全教師付き手法と比較して、競争性能を達成している。
論文 参考訳(メタデータ) (2019-12-26T08:48:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。